Ordinal Regression报错：svd(x)存在无穷或缺失值的解决咨询

问题根源 #

你遇到的glm.fit: fitted probabilities numerically 0 or 1 occurred警告，本质是自变量与因变量完全分离——比如某一收入组的所有样本健康状态完全相同，导致模型拟合时概率趋近0或1。而Error in svd(X) : infinite or missing values in 'x'错误，通常是模型矩阵存在奇异性（比如冗余列、无限值），即使你移除了缺失值，也可能存在隐藏的异常情况。

分步排查与解决 #

1. 检查数据分布与分离情况

   • 用交叉表查看自变量r_incomeall和因变量hlthstat的对应关系：

     table(train$r_incomeall, train$hlthstat)
     # 查看各收入组的健康状态占比
     prop.table(table(train$r_incomeall, train$hlthstat), margin = 1)
     

     如果某一行（收入组）的健康状态只有唯一值，或者某类样本量极小（比如<5），就是导致分离的核心原因。

2. 排查异常值与奇异性

   • 检查自变量是否存在无限值：

     summary(train$r_incomeall)
     any(is.infinite(train$r_incomeall))
     

   • 生成模型矩阵，查看是否有冗余/全0列：

     mod_matrix <- model.matrix(hlthstat~r_incomeall, train)
     head(mod_matrix)
     # 检查列的方差，方差为0的列就是冗余列
     apply(mod_matrix, 2, var)
     

3. 针对性修复

   • 合并小类别/冗余类别：如果某收入组样本量极小或完全分离，将其与相邻类别合并（以因子变量为例）：

     # 用forcats包合并，示例：将"VeryLow"和"Low"合并为"Low"
     library(forcats)
     train$r_incomeall <- fct_collapse(train$r_incomeall,
                                       Low = c("VeryLow", "Low"))
     

   • 使用正则化模型处理分离：如果完全分离情况无法通过合并类别解决，尝试brglm2包的正则化有序回归，它能有效处理数据分离问题：

     library(brglm2)
     complete_model <- brpolr(hlthstat~r_incomeall, train, method = "logistic")
     summary(complete_model)
     

   • 临时跳过Hess参数：如果只是想先查看模型结果，可暂时去掉Hess = TRUE（但这只是权宜之计，无法解决根本问题）：

     complete_model <- polr(hlthstat~r_incomeall, train)
     summary(complete_model)
     

内容的提问来源于stack exchange，提问作者Chelsea M